将人工智能与使用年轻榴莲水果生物炭去除Cr(vi) 的动力学研究相结合:一种随机森林回归方法
Duy-Khoi Nguyen1,2, Quang-Thanh Nguyen1,2, Van-Phuc Dinh1,2,3
1Institute of Interdisciplinary Sciences (IIS), Nguyen Tat Thanh University Ho Chi Minh City 700000 Vietnam dvphuc@ntt.edu.vn.
RSC advances
|November 3, 2025
概括
这项研究使用人工智能 (AI) 来预测榴莲水果生物炭对的吸附,其表现优于传统模型. 人工智能方法为水处理提供了具有成本效益的,可持续的解决方案.
科学领域:
- 环境化学环境化学
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- (VI) 是一种有毒的污染物,需要有效的水处理.
- 传统的吸附动力学建模在预测复杂行为方面存在局限性.
- 来自农业废物的生物炭提供了一个可持续的吸附材料.
研究的目的:
- 开发一种基于人工智能的模型,用于预测使用年轻榴莲果 (YDF) 生物炭的Cr (VI) 吸附动力学.
- 将人工智能模型的性能与传统的动力模型进行比较.
- 评估AI在优化可持续水处理过程中的潜力.
主要方法:
- 开发了一个随机森林回归器 (RFR) 模型来预测Cr (VI) 吸附能力 (Qe).
- 评估了十种常规的运动模型 (例如,伪一阶,伪二阶).
- 对于RFR的输入参数包括接触时间,pH,生物炭剂量,离子强度和初始CrVI度.
主要成果:
- RFR模型实现了高适合度 (R2 = 0.994),超过了传统模型的性能.
- 伪二阶 (PSO) 模型显示在传统模型中最适合 (R2 = 0.989).
- 人工智能模型证明了在未经测试的条件下预测吸附的稳定性和通用性.
结论:
- 与传统方法相比,基于人工智能的建模显著提高了Cr(VI) 吸附动力学的预测.
- YDF生物炭是可用于Cr(VI) 清除的可行材料,吸附主要由化学吸附驱动.
- 人工智能的整合为可持续的水处理开发提供了强大,具有成本效益的工具.
